• شماره ركورد
    18882
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    َََّّّ۱۸۸۸۲
  • پديد آورنده

    بهمن عبدي سرگزه

  • عنوان
    بررسي پارامترهاي الگوي حركات چشم افراد با ضرايب هوشي متفاوت
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    الكترونيك ديجيتال
  • تاريخ دفاع
    اسفند ۱۳۹۶
  • استاد راهنما
    دكتر آيت اللهي
  • استاد مشاور
    دكتر دليري
  • دانشكده
    برق
  • چكيده
    مطالعات حركات چشم بطور گسترده¬اي در زمينه شناخت سيستم عصبي انسان بررسي شده است. در مطلالعات انجام شده نشان دادند كه فعاليت¬هاي مغزي، حركات چشم را تحت تاثير قرار مي¬دهد. در اين پژوهش ما تحقيق كرديم كه آيا ضريب هوشي در يك وظيفه خاص تاثيري روي الگوي حركات چشم دارد يا نه. در اين تحقيق ، ما از 44 سوژه براي انجام آزمايش استفاده كرديم. با استفاده از آزمون كتل، ضريب هوشي شركت¬كننده¬ها را سنجيديم و آنها را به سه گروه ضريب هوشي پايين، ضريب هوشي متوسط و ضريب هوشي بالا تقسيم كرديم. حركات چشم شركت¬كننده¬ها، هنگامي كه سعي مي¬كردند تعداد اختلاف بين دو تصوير مشابه را كه كنار يكديگر قرار گرفته بود پيدا كنند با استفاده از ردياب ويدوئويي چشم ثبت شد. ارزيابي اطلاعات حركت چشم در سه سناريو متفاوت مورد بررسي گرفت. در سناريو اول، مدت زمان تمركز نگاه، تعداد تمركز نگاه¬ها، فاصله تمركز نگاه¬ها و سرعت متوسط حركات جهشي چشم را از الگوي حركات چشم شركت¬كننده¬ها استخراج كرديم و از لحاظ آماري بين سه گروه مقايسه شدند. نتايج ما نشان دادند كه مدت زمان تمركز نگاه در افرادي كه ضريب هوشي پايين دارند بيشتر از افرادي است كه ضريب هوشي متوسط يا بالا دارند. در مقابل، هر چقدر كه ضريب هوشي افراد بيشتر باشد تعداد تمركز نگاه ها، فاصله تمركز نگاه¬ها و سرعت متوسط حركات جهشي چشم زياد است. در سناريو دوم، ما 10 ويژگي (ميانگين مدت زمان تمركز نگاه، مدت زمان اولين تمركز نگاه، فاصله بين تمركز نگاه¬ها، تعداد تمركز نگاه، سرعت متوسط حركت جهشي چشم ، و حداكثر سرعت حركت جهشي چشم و همچنين انحراف از معيار زاويه حركت جهشي چشم ، محل تمركز نگاه در جهت X و Y) را استخراج كرديم و سپس بوسيله طبقه-بندي كننده ماشين بردار پشتيبان، افراد را به سه دسته مختلف طبقه¬بندي كرديم. ماشين بردار پشتيبان مقادير 4/63% صحت، 58% حساسيت، 7/81% اختصاصي، و 2/59% F1-Score را بدست آوردند. در سناريو سوم، ما 24 ويژگي از مشخصه¬هاي زماني، مكاني و آماري از حركات چشم شركت¬كننده¬ها را استخراج كرديم سپس ضريب همبستگي پيرسون بين ضريب هوشي و هر يك از ويژگي¬ها را محاسبه كرديم تا بهترين ويژگي¬ها را انتخاب كنيم. نهايتا، ضريب هوشي افراد را با استفاده از رگرسيون بردار پشتيبان با 69/0 ضريب همبستگي پيرسون بين ضريب هوشي مشاهده شده و پيش¬بيني شده تخمين زديم. نتايج آزمايش تاثير ضريب هوشي روي حركات چشم در طول جستجوي بينايي را نشان مي دهند.
  • تاريخ ورود اطلاعات
    1397/03/05
  • تاريخ بهره برداري
    5/26/2018 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    بهمن عبدي سرگزه

  • چكيده به لاتين
    Eye movement studies are widely used in human cognition. Brain activity and memory load impress eye movement. Here, we investigate whether fluid intelligence (FI) has any effect on eye movement pattern in a given task. Using Cattell test, FI of individuals were measured and divided into three groups: low FI, middle FI, and high FI. Eye movement of individuals were recorded while they were trying to find the number of differences between two almost identical images. Fixation duration, number of fixation, fixation distance, and saccade average velocity of three groups were extracted and compared statistically. Our experiment demonstrated that fixation duration of low FI individuals was greater than middle FI and high FI individuals. In contrast, the number of fixation, fixation distance and saccade average velocity was larger for subjects with higher FI. To further study the effects of subjects’ FI on eye movement, we have performed our experiment based on 2 scenarios. In the first scenario, we extracted 10 features and categorized individuals into three group by support vector machine (SVM) classifier. SVM obtained the value of 63.4% accuracy, 58% sensitivity, 81.7% specificity, and 59.2% F1-Score. In the second scenario, we extracted 24 features and computed Pearson correlation coefficient (PCC) between each features and FI in order to select the best features. Then, we predicted individuals’ FI by support vector regression (SVR) with 0.69 PCC between observe FI and predicted FI. In our view the result emphasizes influences of FI on eye movement during visual search.